Question

我需要在UTF-8 $文本中突出显示与$ key匹配的单个单词或短语（整个单词，而不是子字符串）。这种匹配必须不区分大小写和变音符号。突出显示的文本必须保持原样（包括大写/小写字符和变音符号，如果存在）。

以下表达式达到了目标的一半：

$text = preg_replace( "/\b($key)\b/i", '<div class="highlight">$1</div>', $text );

不区分大小写，并且匹配整个单词，但是如果匹配$ key的$ text部分包含$ key中不存在的变音标记，则不会突出显示这些文本。例如。我想在$ text中通过$ key =“ bjorn kallstrom”突出显示“BjörnKällström”。

欢迎任何绝妙的主意（使用preg_replace或其他PHP函数）。

Answer 1

一个想法是将键转换为用字符类替换所有有问题字符的模式：

$corr = ['a' => '[aàáâãäå]', 'o' => '[oòóôõö]',/* etc. */];

$key = 'bjorn kallstrom';

$pattern = '/\b' . strtr($key, $corr) . '\b/iu';

$text = preg_replace($pattern, '<em class="highlight">$0</em>', $text);

请注意，由于您要处理Unicode字符，因此需要使用u修饰符来避免意外行为，尤其是在单词边界方面。

如果您的按键已经包含重音符号，请先将其转换为ascii：

$key = 'björn kallstrom';
$key = iconv('UTF-8', 'ASCII//TRANSLIT', $key);

（如果您获得?代替字母，则意味着您的语言环境设置为C或POSIX。在这种情况下，请将其更改为en_US.UTF-8，或者将其更改为系统。请参见setlocale）

还要看看非常有用的intl类：Normalizer和Transliterator。

注意：如果要突出显示多个键，请一次完成所有操作。按长度对数组进行排序（使用mb_strlen的数组中最长的数组），使用array_map音译ascii键，并用|插入数组。目标是获得模式：'/\b(?:' . implode('|', $keys) . ')\b/iu'与bj[oòóôõö]rn k[aàáâãäå]llstr[oòóôõö]m单独出现在bj[oòóôõö]rn之前（例如）。

Answer 2

仅通过函数调用是不可能的，您将必须实现它。

从HTML（$document->documentElement->textContent）中提取文本
将文本拆分为单词并对其进行规范化-保留原始文字（$words[$normalized][] = $original）-基本上，这为您提供了每个规范化单词的变体列表。
拆分并规范化搜索查询
从搜索查询中编译RegEx模式以匹配((word1_v1|word1_v2)\s*(word2_v1|word2_v2))u并验证(^(word1_v1|word1_v2)\s*(word2_v1|word2_v2)$)u
遍历HTML文档$xpath->evaluate('//text()')中的文本节点
使用preg_split()通过搜索字符串分隔文本，捕获定界符（搜索匹配项）
遍历该列表，如果不是搜索字符串匹配项，则将它们添加为文本节点，否则添加突出显示的HTML结构
删除原始文本节点。

PHP preg_replace：以大写/不区分变音的方式突出显示与关键字匹配的整个单词

2 个答案: